大面积、高质量单晶石墨是突破高功率芯片热管理、微机电系统超润滑以及高端半导体装备核心部件性能的关键战略材料。长期以来，受困于传统试错模式，这类材料的可控制备一直面临底层机制不清、研发周期长、量产困难等挑战。

　　新民晚报记者获悉，近日，依托2030新一代人工智能国家科技重大专项，上海人工智能实验室联合苏州国家实验室、清华大学等合作单位，围绕“人工智能赋能大面积单晶石墨可控制备”展开协同攻关，打通了从海量数据构建、机器学习势函数开发、原子尺度机制解析到实验制备验证的完整链条，成功实现厘米级尺寸、厚度超过200微米的高质量单晶石墨可控制备，为人工智能驱动战略材料研发提供了前沿经验。

　　要让AI真正辅助材料研发，高质量的底层数据是先决条件。联合团队首先针对镍—碳体系，构建起一个亿级计算材料数据库，专门用于机器学习原子势的训练。相比以往依赖小规模开源数据或通用数据库的做法，这一数据库在完整性、精度和覆盖范围上都大幅提升。库内重点包含了不同尺寸的镍团簇、体相和表面结构，以及它们与碳原子、碳链、碳环、石墨烯、石墨等多种碳构型在不同温度下形成的复合构型。

　　基于这一数据库，研究团队采用了苏州国家实验室开发的高精度、高效率NEP机器学习势方法，并将其与上海AI实验室开发的主动学习工作流、不确定度分析算法以及计算材料智能体框架相结合，训练出专用的机器学习势函数模型。这一模型突破了传统第一性原理计算在时空尺度上的局限，能够完成超过十万原子规模、百万原子步的复杂界面动力学模拟，并捕捉到孪晶晶界加速碳迁移等关键微观过程，从而在原子尺度上为理解宏观生长现象架起了一座计算桥梁。

　　在高精度势函数模型的帮助下，联合团队进行了大规模、长时间的原子级动力学模拟。模拟不仅清晰重现了碳原子在镍晶格中偏析、扩散、成核和生长的全过程，还再现了其在镍单晶及含孪晶晶界的界面处溶解、偏析、成核与外延生长的演化路径，将以往模糊的生长机理变得清晰透明。通过一系列定量模拟，团队进一步厘清了反应温度、碳溶解度、原子扩散速率以及孪晶晶界结构等核心参数对单晶石墨生长质量的调控规律，为制备工艺的升级提供了可量化、可预测的理论支撑。

　　基于这些科学发现，联合团队搭建了单晶石墨生长系统，最终生长出厘米级尺寸、厚度超过200微米的高质量单晶石墨——这一厚度达到了当前世界水平的3倍以上。该工作也由此探索出一条从“试错摸索”转向“机制驱动”的智能化科研路径，验证了AI作为驱动科学发现“革命性工具”的重要价值。

　　未来，联合团队将继续依托AI模型优化实验工艺参数、开展规模化制造研究，推动单晶石墨向更高质量、更大面积和更稳定量产的方向发展，并积极拓展其在电子器件、热管理和高端装备等领域的应用。团队希望以此为基础，逐步形成以海量数据为底座、以AI模型为核心、以机制理解为牵引、以实验制备为验证、以规模制造为目标的新型研发范式。